从Reactor到WebFlux

写在前面

为了应对高并发场景下到服务端编程需求，微软最先提出了一种异步编程到方案Reactive Programming，也就是反应式编程。

之后在Java社区就出现了RxJava和Akka Stream等技术方案，让Java平台在反应式编程上有了多种选择。

反应式编程

函数式编程

反应式编程一般是基于函数式编程实现的，函数式编程有如下特点：

1. 惰性计算
2. 函数是第一公民
3. 只使用表达式而不是用语句

反应式编程是一种基于数据流，传递变化，声明式的编程范式。

事件驱动

思想是组件之间交互通过松耦合的生产者和消费者来实现的，并且事件以异步，非阻塞方式进行发送和接收。

事件驱动是系统通过推模式实现的，也就是生产者在消息产生时推送数据给消费者进行处理，而不是让消费者不断轮询或等待数据实现的。

响应及时

由于反应式是异步的，比如进行数据处理的话，在交出任务之后就快速返回，而不是阻塞的等待任务执行完毕再返回。任务的执行给到后台线程执行，等任务处理完成之后返回，比如Java8的CompletableFuture。

事件弹性

事件驱动系统是松耦合的，上下游之间不是直接依赖，但是在Debug时成本更高一些。

Spring Reactor

Spring Reactor是Pivotal基于反应式编程实现的一种方案。是一种非阻塞，事件驱动的编程方案，使用函数式编程实现。

观察者模式

反应式编程和命令式编程在迭代器上的实现：

• 事件 Iterable (pull) Observable (push)
• 获取数据 T next() onNext(T)
• 发现异常 throws Exception onError(Exception)
• 处理完成 hasNext() onCompleted()

1. Publisher推送数据给Subscriber，触发onNext()方法，在处理完成或发生异常时触发onCompleted()和onError()方法。
2. Publisher发生异常时，触发Subscriber的onError()方法，进行异常捕获处理。
3. Publisher每次推送都会触发一次onNext()方法，所有推送完成时，最后触发onCompleted()方法。

背压

如果Publisher发布消息太快，超过Subscriber处理速度该怎么办？响应式编程引入了背压概念，使得Subscriber能够控制消费消息的速度。

Reactive Stream

在Java生态中，Netflix的RxJava，TypeSafe的Scala，Akaka，pivatol的Sping，Reactor都是反应式编程的框架。

Stream不是集合元素，不是数据结构，也不保存数据，只是关于算法和计算，更像一种可以编程的迭代器。

Stream可以并行操作，迭代器只能命令式的，串型操作。并行操作是将数据分成多段，每一个在不同线程中处理，最后将结果一起输出。这样可以大大利用硬件资源。

Reactor主要模块基于Netty实现：

• reactor-core：包含核心API
• reactor-ipc：复杂高性能网络通信

核心类：

• Mono：代表0到1个元素发布者
• Flux：代表0到N个元素发布者
• Scheduler：代表事件驱动的反应流调度器，通常由各种线程池实现。

反应式编程概念总结：

1. ReactiveStreams 是一套反应式编程 标准 和 规范；
2. Reactor 是基于 ReactiveStreams 一套 反应式编程框架；
3. WebFlux 以 Reactor 为基础，实现 Web 领域的 反应式编程框架。

Reactor开发

Reactor使用方式上基本分为三步：

1. 开始阶段创建
2. 中间阶段处理
3. 最终阶段消费

创建阶段

Reactor编程需要先创建出Mono或Flux。

同步调用结果创建对象

Mono<String> helloWorld = Mono.just("Hello World"); // 可以指定序列中包含的全部元素

Flux<String> fewWords = Flux.just("Hello","World");

Flux<String> manyWords = Flux.fromIterable(words);

这种方式一般用在经过一系列非IO型操作后，得到一个对应的对象，当需要将这个对象交给IO操作时，可以通过这种方式转换成Mono或Flux。

异步调用结果创建

如果异步得到结果，比如CompletableFuture可以创建一个Mono：

Mono.fromFuture(completableFuture);

如果这个异步调用不返回CompletableFuture，而有自己的回调方法，那么可以使用：

static<T>Mono<T>create(Consumer<MonoSink<T>>callback)

Mono.create(sink ->{

 ListenableFuture<ResponseEntity<String>> entity = asyncRestTemplate.getForEntity(url,String.class);

 entity.addCallback(new ListenableFutureCallback<ResponseEntity<String>>(){
 
 @Override
 public void onSuccess(ResponseEntity<String> result){
  sink.success(result.getBody());
 }

 @Override
 public void onFailure(Throwable ex)
 {
   sink.error(ex);
 }
});
});

处理阶段

在进行Mono和Flux处理阶段，一般使用filter，map，flatMap，then，zip，reduce等。

map，flatMap，then 三个频率使用比较高。

数据处理方式

then

是下一步意思，代表执行顺序的下一步，不表示下一步依赖于上一步。then方法参数只是一个Mono，入参不是上一步的执行结果。

flatMap和map的参数是Function，是上一步执行的结果。

flatMap和map

传统的命令式编程

Object result1 = doStep1(params);

Object result2 = doStep2(result1);

Object result3 = doStep3(result2);

对应的反应式编程

Mono.just(params) .flatMap(v -> doStep1(v)) .flatMap(v -> doStep2(v)) .flatMap(v -> doStep3(v));

flatMap入参Function的返回值要求是Mono对象。map的入参Function只要求返回一个普通对象。对于一些返回值是Mono的方法，想将调用串联起链式调用，必须使用flatMap，而不是map。

并发处理方式

一般使用Mono.zip，Tuple2等。

传统编程方式并发执行是通过线程池+Future方式实现的。但是在做Future.get时是阻塞的。Reactor中使用Mono和Flux中的zip方法如下：

Mono<CustomType1> item1Mono = ...;

Mono<CustomType2> item2Mono = ...;

Mono.zip(items -> {
 CustomType1 item1 = CustomType1.class.cast(items[0]);
 CustomType2 item2 = CustomType2.class.cast(items[1]);
// Do merge
return mergeResult;
}, item1Mono, item2Mono);

这样item1Mono 和 item2Mono 过程是并行执行的。

使用zip方法时需要做类型强转换，类型强转换是不安全的

数据循环处理

一般使用：Flux.fromIterable()，Flux.reduce()方法。

比如：

Data initData = ...;
List<SubData> list = ...;

Flux.fromIterable(list)
  .reduce(initData,(data,itemInList) -> {
// Do something on data and itemInList
return data;
});

结束阶段

直接消费的Mono和Flux就是调用subscriber方法，其他的WebFlux接口可以直接返回框架的Response输出就可以了。

WebFlux

Serverlet3.1支持了异步处理方式，Servlet线程不需要一直阻塞的等待任务执行。Servlet在接收到请求后，将请求委托给业务线程完成，自己则直接返回继续接收新的请求。

所以Servlet3.1适用于那些业务处理非常耗时场景，这样可以减少服务器资源占用，可以提高并发处理速度，但是对于本身响应较为迅速的应用来说收益不大。

WebFlux的异步处理是基于Reactor实现的，是将输入流适配成Mono或Flux进行统一处理。

在最新的Spring Cloud Gateway中也是基于Netty和WebFlux实现的。

Flux和Mono

Flux和Mono属于事件发布者，类似于生产者，为消费者提供订阅接口。在实现发生时，Flux和Mono会回调消费者对应的方法通知消费者处理事件。Flux可以触发多个事件，Mono只触发一个事件。

Flux.fromIterable(getSomeLongList())
	.mergeWith(Flux.interval(100))
	.doOnNext(serviceA::someObserver)
	.map(d -> d * 2)
	.take(3)
	.onErrorResumeWith(errorHandler::fallback)
	.doAfterTerminate(serviceM::incrementTerminate)
	.subscribe(System.out::println
);

Mono.fromCallable(System::currentTimeMillis)
	.flatMap(time -> Mono.first(serviceA.findRecent(time), serviceB.findRecent(time)))
	.timeout(Duration.ofSeconds(3), errorHandler::fallback)
	.doOnSuccess(r -> serviceM.incrementSuccess())
	.subscribe(System.out::println);

选型注意

如果在框架中使用了WebFlux，他依赖的安全认证，数据访问都必须使用Reactive API，在存储层目前Reactive只支持MongoDB，Redis和Couchbase等几种不支持事务管理的NoSql，需要注意。

WebFlux并不能将接口耗时减少，只是可以减少线程扩展，提升系统的吞吐和伸缩能力。由于其为异步非阻塞Web框架，所以适用于IO密集型服务，比如我们交易网关这种。

WebFlux支持两种编程模式：

1. 基于注解@Controller和其他的类Spring MVC的注解
2. 函数式，Java8 lambda风格的路由处理

可以通过Reactive Streams实现背压控制。

ServerRequest和ServerResponse是JDK8友好访问底层HTTP消息的不可变接口。完全是响应式的。

实践建议

在使用lambda写处理函数时，如果多个处理函数可能缺乏可读性且不易于维护。可以将相关处理函数分组到一个处理程序或控制器类中。